ROI Align 是在Mask-RCNN這篇論文里提出的一種區(qū)域特征聚集方式, 很好地解決了ROI Pooling操作中兩次量化造成的區(qū)域不匹配(mis-alignment)的問題。實驗顯示，在檢測測任務(wù)中將 ROI Pooling 替換為 ROI Align 可以提升檢測模型的準(zhǔn)確性。
ROI Pooling過程：
1、首先根據(jù)后面網(wǎng)絡(luò)要求的輸入尺寸求網(wǎng)格大小，如輸入特征圖尺寸為5*5，而網(wǎng)絡(luò)輸入尺寸為2*2，那么網(wǎng)格的劃分結(jié)果為
2、對于每個小網(wǎng)格，求最大值作為該網(wǎng)格最大池化之后的值。
在這個過程中會有兩次量化操作。對于一個region proposal，首先從原圖經(jīng)過全卷積網(wǎng)絡(luò)到特征圖，得到的候選框位置可能存在浮點數(shù)，進行取整操作從而出現(xiàn)第一次量化；其次，在ROI Pooling求取每個小網(wǎng)格的位置時也同樣存在浮點數(shù)取整的情況。這兩次量化的結(jié)果都使得候選框的位置會出現(xiàn)偏差，在論文里，作者把它總結(jié)為“不匹配問題（misalignment）。如下圖所示，假設(shè)圖片經(jīng)過主干網(wǎng)絡(luò)提取特征后，特征圖縮放步長（stride）為32，則該層特征圖上0.1個像素的偏差，縮放到原圖就是3.2個像素。
ROI Align過程：
為了解決ROI Pooling的上述缺點，作者提出了ROI Align這一改進的方法。ROI Align的思路很簡單：取消量化操作，使用雙線性內(nèi)插的方法獲得坐標(biāo)為浮點數(shù)的像素點上的圖像數(shù)值,從而將整個特征聚集過程轉(zhuǎn)化為一個連續(xù)的操作，。值得注意的是，在具體的算法操作上，ROI Align并不是簡單地補充出候選區(qū)域邊界上的坐標(biāo)點，然后將這些坐標(biāo)點進行池化，而是重新設(shè)計了一套比較優(yōu)雅的流程，如圖3所示：
遍歷每一個候選區(qū)域，保持浮點數(shù)邊界不做量化。
將候選區(qū)域分割成k x k個單元，每個單元的邊界也不做量化。
在每個單元中計算固定四個坐標(biāo)位置，用雙線性內(nèi)插的方法計算出這四個位置的值，然后進行最大池化操作。
這里對上述步驟的第三點作一些說明：這個固定位置是指在每一個矩形單元（bin）中按照固定規(guī)則確定的位置。比如，如果采樣點數(shù)是1，那么就是這個單元的中心點。如果采樣點數(shù)是4，那么就是把這個單元平均分割成四個小方塊以后它們分別的中心點。顯然這些采樣點的坐標(biāo)通常是浮點數(shù)，所以需要使用插值的方法得到它的像素值。在相關(guān)實驗中，作者發(fā)現(xiàn)將采樣點設(shè)為4會獲得最佳性能，甚至直接設(shè)為1在性能上也相差無幾。事實上，ROI Align 在遍歷取樣點的數(shù)量上沒有ROIPooling那么多，但卻可以獲得更好的性能，這主要歸功于解決了misalignment的問題。值得一提的是，我在實驗時發(fā)現(xiàn)，ROI Align在VOC2007數(shù)據(jù)集上的提升效果并不如在COCO上明顯。經(jīng)過分析，造成這種區(qū)別的原因是COCO上小目標(biāo)的數(shù)量更多，而小目標(biāo)受misalignment問題的影響更大（比如，同樣是0.5個像素點的偏差，對于較大的目標(biāo)而言顯得微不足道，但是對于小目標(biāo)，誤差的影響就要高很多）。
反向傳播公式：
常規(guī)的ROI Pooling的反向傳播公式如下：
這里，xi代表池化前特征圖上的像素點；yrj代表池化后的第r個候選區(qū)域的第j個點；i*(r,j)代表點yrj像素值的來源（最大池化的時候選出的最大像素值所在點的坐標(biāo)）。由上式可以看出，只有當(dāng)池化后某一個點的像素值在池化過程中采用了當(dāng)前點Xi的像素值（即滿足i=i*(r，j)），才在xi處回傳梯度。
類比于ROIPooling，ROIAlign的反向傳播需要作出稍許修改：首先，在ROIAlign中，xi*（r,j）是一個浮點數(shù)的坐標(biāo)位置(前向傳播時計算出來的采樣點)，在池化前的特征圖中，每一個與 xi*(r,j) 橫縱坐標(biāo)均小于1的點都應(yīng)該接受與此對應(yīng)的點yrj回傳的梯度，故ROI Align 的反向傳播公式如下:
上式中，d(.)表示兩點之間的距離，Δh和Δw表示 xi 與 xi*(r,j) 橫縱坐標(biāo)的差值，這里作為雙線性內(nèi)插的系數(shù)乘在原始的梯度上。
參考文獻：
http://blog.csdn.net/u011918382/article/details/79455407
